不规则2D Torus体系结构与路由算法

2D Torus拓扑结构可以简单地分为n×n的规则Torus和m×n的不规则Torus.在研究规则Torus拓扑结构的基础上,首先将约翰逊编码运用于不规则的2D Torus节点编码中,对m×n的不规则Torus拓扑结构中的平均延时和理想吞吐量进行了理论上的评估,并提出了一种基于不规则Torus的新的静态路由算法:TE-XY路由算法.最后运用NS2网络仿真软件对其和TXY路由算法进行了仿真和比较.实验结果显示,新的路由算法可以有效地提高吞吐量,并在大规模数据传输时不容易造成阻塞,表现了较好的性能.     

微型涡喷发动机起动控制系统设计

针对微型涡喷发动机起动过程稳定性较差的特点,设计了一种基于模型参考自适应控制(MRAC)算法的起动控制系统.通过采用基于多传感器的自适应控制方法,减小发动机建模误差和外界干扰的影响,以提高起动过程中系统的鲁棒性.试车实验结果表明:该方法使微型涡喷发动机在一定外界条件下快速、平稳地起动,降低了发动机贫油、富油和喘振的可能性,保证发动机可靠起动.     

基于拓扑变化预计算的多层卫星网络路由协议

设计了一种基于拓扑变化预计算的多层卫星网络路由协议.与已有协议不同,该协议在网络拓扑变化前完成路由计算,并采用了自适应的链路状态报告方式.从路由计算时机和链路状态报告方式2方面分析了协议的合理性.与常规路由协议相比,此路由协议收敛更快,更能适应多层卫星网络拓扑变化频繁的特点.     

通道失配条件下的线阵导引头STAP检测研究

针对均匀线阵导引头下视跟踪目标状态,建立了目标空时导向矢量、杂波协方差矩阵、STAP权值等模型,基于协方差矩阵加权的基本理论,研究了高斯分布、均匀分布2种通道失配误差对STAP检测性能的影响,建立了数学模型并进行了仿真.结果发现,均匀分布误差对STAP检测性能影响较大,若相位误差达到10°,将导致SINR损失下降10 dB左右,而高斯分布误差影响很小.     

基于自适应Agent仿真的系统可靠性预计方法

建立了基于自适应Agent的系统仿真模型的3层体系结构,设计了3类Agent对象:环境仿真Agent、系统仿真Agent和单元仿真Agent,分别模拟了环境、系统对象和基本工作单元,建立了考虑任务环境影响因素、由若干Agent组成的系统可靠性仿真模型,是对系统可靠性预计方法的新探索.     

起重机防摇摆模糊自适应PID控制的仿真

起重机起吊过程中,由于绳索摇摆,使吊物位置变化复杂,线路变化非线性,吊物位置不确定;而采用常规定参数PID控制难以解决货物位置控制问题,无法对起重机的位置和摆角进行精确控制。针对这些问题,采用拉格朗日能量法建立起重机起吊系统模型,提出一种基于模糊自适应PID控制的起重机起吊控制方法,结合模糊控制理论对PID参数进行自适应整定。仿真结果表明,与传统定参数PID控制相比,模糊自适应PID控制具有良好的适应性和鲁棒性,可提高起重机起吊系统的动态性能。     

水下传感网基于节点权重的地理位置路由

水下传感网络采用声波进行通信,具有长时延、高错误率和低能耗要求等技术挑战。为此,提出基于节点权重的地理位置路由（weight of node-based routing,WNBR）。在WNBR路由中,当源节点需要转发数据包时,依据深度适度因子构建候选下一跳转发节点集,利用节点剩余能量、距离和链路质量信息计算下一跳转发节点集中每个节点的权重。最后,选择具有最大权重的节点作为源节点的下一跳转发节点。仿真结果表明,提出的WNBR路由能够有效均衡能耗,降低端到端时延,提高了数据包传递率。     

自适应反步滑模控制在火箭炮伺服系统中应用

针对实际系统运行过程中所存在的转动惯量和负载力矩变化大等各种不确定因素,提出了一种新型的自适应反步滑模位置控制器(ABSMC)。首先对于模型中的不确定参数,采用自适应鲁棒算法进行有效估计,通过对模型的等价变换和选择适当的Lyapunov函数,最终给出系统的自适应控制器和不确定参数自适应律的设计方法。仿真和实验结果表明,该控制器能够有效抑制抖振,系统跟踪误差小,跟踪性能好,对参数摄动及外界负载扰动具有较强的鲁棒性。     

弹药自动装填机器人免疫遗传模糊神经滑模控制

提出了一种基于改进免疫遗传算法的弹药自动装填机器人自适应模糊神经滑模控制器(IIGAAFNSMC)。用径向基神经网络来近似等效滑模控制中的不确定参数,通过自适应免疫遗传算法在线调整径向基神经网络非线性隐含层的结构和参数。利用最小二乘法计算线性输出层的权值,自适应模糊系统调节滑模控制的增益,减小了网络逼近误差和外部干扰并消除了传统滑模控制中的抖振问题。仿真结果表明,该方法比传统的神经网络滑模控制器具有更高的逼近精度和速度。     

求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。